深度科学：使用机器学习研究解剖结构，天气和地震

与消费者应用程序相比，本周的“基础研究”要多一些。机器学习可以通过多种方式使用户受益，但它在地震学和生物学等领域也具有变革性，可以利用大量积压的数据来训练AI模型或作为挖掘见解的原材料。

我们被我们不太了解的自然现象所包围-很明显，我们知道地震和风暴来自何处，但是它们如何传播？如果您交叉引用不同的度量值，会有哪些次要效果？这些事情可以预测到多远？

最近发表的许多研究项目已经使用机器学习来尝试更好地理解或预测这些现象。借助数十年的可用数据，如果有兴趣这样做的地震学家，气象学家和地质学家可以从中获得全面的见识，则可以通过这种方式获得全面的见解。

由Los Alamos国家实验室的研究人员做出的最新发现，使用新的数据源和ML来记录以前在“慢地震”期间沿断层观察不到的行为。利用从轨道上捕获的合成孔径雷达，可以观察到云层的覆盖，并在夜间进行准确，规则的地面形状成像，该团队首次能够直接观察到北安纳托利亚沿线的“破裂传播”土耳其的错。

“我们开发的深度学习方法使自动检测断层上发生的微小而短暂的变形成为可能，从而为全球范围内的慢地震与常规地震之间的相互作用的系统研究铺平了道路。”洛斯阿拉莫斯地球物理学家Bertrand Rouet-Leduc。

斯坦福大学已经进行了数年的努力，它帮助地球科学研究者Mostafa Mousavi处理了地震数据的信噪比问题。他每天有一天要花费十亿分之一的时间来分析旧软件正在分析的数据，他觉得必须有更好的方法，并且花了多年的时间研究各种方法。最近的一种方法是对微小地震的证据进行调侃，这种微小地震虽然没有引起注意，但仍然在数据中留下了记录。

“地震变压器”（以机器学习技术命名，而不是机器人命名）是经过多年手工标记的地震数据培训的。对日本鸟取6.6级地震收集的读数进行测试后，它分离出21,092个单独的事件，是人们在原始检查中发现的两倍多，并且使用的地震记录不到一半。

该工具无法自行预测地震，但是更好地了解地震现象的真实和完整性质意味着我们可能可以通过其他方式进行预测。 共同作者格里高里·贝罗扎（Gregory Beroza）说：“通过提高我们探测和定位这些很小的地震的能力，我们可以更清楚地了解地震如何沿断层相互作用或散布，如何开始，甚至如何停止。”